AIBR プレミアム
拓海先生、最近うちの若手が「同じ採用アルゴリズムを皆が使っていると競争が激しくなって効率が落ちる」と言い出しまして、正直ピンと来ないのです。要するにどんな問題が起きるのですか。
素晴らしい着眼点ですね！端的に言うと、皆が同じスコアを見ると「みんなが同じ上位候補に殺到する」ため、面接枠が無駄になりやすいんですよ。大丈夫、一緒に整理すれば必ずわかりますよ。
その、皆が上位候補に行くとどう困るのか、投資対効果の観点で教えてください。面接のコストは現場を圧迫しますから。
良い視点です。要点は3つにまとめられます。1) 面接枠が限られるため人気候補に集中すると採用人数が下がる、2) 同じアルゴリズム（algorithmic monoculture アルゴリズム的単一文化）だと調整が効かない、3) 企業が戦略的に候補を分散させると全体が改善する、です。
なるほど。で、その戦略的行動というのは、具体的にはどういう意思決定を指すのですか。面接対象を絞る以外にあるのですか。
専門的にはナッシュ均衡（Nash equilibrium, NE ナッシュ均衡）で企業が同時に最適反応を取る状況を分析しています。実務的には、上位だけを追うのではなく、アルゴリズムの点数を踏まえて面接候補の組み合わせを調整する、という判断です。
それは要するに、皆がアルゴリズムのトップだけを追うと採れる人数が減るので、ちょっと引き下がって別の候補も狙えば全体が増える、ということですか。
その通りです！素晴らしいまとめです。大切なのは競争（congestion）情報を取り入れることで、企業間の調整が自然に起きやすくなる点です。大丈夫、一緒に導入プロセスを考えれば実務でもできるんですよ。
現場目線だと、具体的にどの情報を共有すれば良いですか。プラットフォーム提供者がやるべきことは何でしょう。
ポイントは三つです。1) 候補者に対する応募や面接の混雑度の可視化、2) 企業ごとの面接枠や優先順位を考慮した推奨、3) 個別化（personalization パーソナライゼーション）で同じスコアでも企業に応じた推薦を出すことです。これで自然に分散が進みますよ。
とはいえ、うちの現場は古くさい運用が多くて、すぐには変えられません。導入時のコストと効果の見積もりはどうすれば良いですか。
良い質問です。要点は三つで、まずは小さく実験（pilot）して面接枠と採用数の変化を見ます。次に、混雑情報を出すだけのフェーズを作り、運用負担を小さく保つこと。最後に効果が確認でき次第、段階的に自動推奨を導入する流れが現実的です。
これって要するに、まずは情報だけ出して様子を見て、効果が出れば段階的に自動化するということですね？
その通りです。大丈夫、段階的に進めれば現場の抵抗も小さく、投資対効果も見やすくなりますよ。何より、企業間の情報共有は全体の採用数増加につながる可能性が高いのです。
分かりました。私の理解で整理しますと、同じアルゴリズムだけを見ると候補が集中して無駄が増える。まずは混雑情報を可視化して小さく試し、効果が出たら推薦の自動化に進めば投資対効果は見込める、ということで間違いありませんか。
素晴らしい要約です！その理解で十分実践的です。大丈夫、一緒に計画を立てて現場に落とし込みましょう。
